玉足上有白色粘稠物图片

电脑版下载

69006
7

玉足上有白色粘稠物图片截图Q8X2R7L1T4J5M9B6W3

内容详情

玉足上有白色粘稠物图片

「这确实是一个很棒的逆袭故事。」

11 月 19 日破晓，Gemini 3 的宣布彻底突破了平庸。上线当日，全球会见量便突破 5400 万次，创平台历史新高。

Google 这一次王者归来，震感甚至直接传导到了竞争敌手的神经中枢。据 The Information 报道，面临 Google 步步紧逼的攻势，OpenAI CEO Sam Altman 本周一紧迫在内部备忘录中宣布公司进入「红色警戒（code red）」状态，准备调动一切战略资源对 ChatGPT 的能力举行大幅升级。

据 The Verge 援引知情人士新闻称，OpenAI 妄想最早于下周初宣布 GPT-5.2 模子，这一时间表较原定的 12 月下旬妄想大幅提前。

这不但侧面印证了 Gemini 3 带来的榨取感，也让接下来的对话显得越发意味深长。

克日，DeepMind CTO、Google 新任首席 AI 架构师 Koray Kavukcuoglu 在 Logan Kilpatrick 的访谈节目中亮相，他说「我们曾是追赶者，但立异是唯一的出路。」

亮点速览：

1. Koray Kavukcuoglu 强调，Gemini 的优化重点集中在以下几个要害领域：

指令遵照：确保模子能准确明确并执行用户的详细需求，而非随意天生内容。国际化：提升多语言支持能力，确保全球用户都能获得高质量体验。署理与工具能力：模子不但能自然使用我们已有的工具和函数，还能自主编写工具。

2. Gemini 3 是一款「全 Google 团队协作的模子」。来自欧洲、亚洲等天下各地的团队都做出了孝顺，不但有 DeepMind 团队，尚有 Google 各个部分的团队。

3. 随着手艺前进，文本模子和图像模子的架构、理念正在一直融合。已往，两者的架构差别很大，但现在越来越趋同。这是手艺自然演进的效果：各人都在探索更高效的计划，理念逐渐统一，最终形成了配合的生长路径。

视频链接：

https://youtu.be/fXtna7UrL44?si=A5xEGWGeEM4EEDhp

以下为完整内容的转录和翻译。(顺序有改动)

基准测试只是第一步，用户反响是 Step Two

Logan Kilpatrick: 各人好，接待回到 Release Notes。我是 Logan Kilpatrick，我在 DeepMind 团队。今天很幸运约请到 DeepMind 的 CTO、Google 的新任首席 AI 架构师——Koray。Koray，谢谢你的到来，期待与你深入交流。

Koray Kavukcuoglu: 我也很期待。谢谢约请！

Logan Kilpatrick: 虽然，Gemini 3 已经宣布。我们此前就预感这款模子会体现精彩，基准测试效果也很是亮眼，但真正将它交到用户手中后，现实回声……

Koray Kavukcuoglu: 这才是最终的磨练�；疾馐灾皇堑谝徊�，之后我们也做了大宗测试，包括让可信测试者加入预宣布体验等。以是我们能感受到这是一款优异的模子，能力轶群，虽然不完善，但用户的反响确实让我很知足。

各人似乎很喜欢这款模子，并且我们以为有意思的部分，他们也同样感兴趣。以是现在来看挺好的，一切都很顺遂。

Logan Kilpatrick: 没错，我们昨天还在聊，焦点话题就是感伤 AI 的生长速率从未放缓�Ｗ纺钌洗�，也就是去年 I/O 大会上我们宣布 Gemini 2.5 时，听着演示、Serge 谈论 AI 的未来，其时就以为 2.5 已经是最先进的模子，在多个维度上都突破了前沿。而现在，Gemini 3.0 再次实现了突破。我很好奇，关于「这种前进能否一连」的讨论一直保存，你现在的看法是什么？

Koray Kavukcuoglu: 我对现在的希望和研究都充满信心。身处研究一线，你会发明各个领域都洋溢着立异的热情，从数据、预训练、微调，到每一个环节，都有大宗新想法、新突破涌现。

归根结底，这一切都依赖于立异和创意。当我们的手艺能切实影响现实天下、被人们普遍使用时，我们能获得更多反响信号，接触面也会扩大，进而催生更多灵感。

并且我以为，未来的问题会更重大、更多元，这会带来新的挑战，但这些挑战是有益的，也是推动我们迈向通用智能的动力。

有时间，若是你只看一两个基准测试，可能会以为前进放缓了，但这很正常�；疾馐允窃谀掣鍪忠漳烟馔瓜允鄙枇⒌�，随着手艺生长，它不再是前沿的代名词，这时就需要制订新的基准。

这在机械学习领域很常见：基准测试与模子开发是相辅相成的，基准测试指导模子迭代，而只有靠近目今前沿，才华明确下一个目的，进而制订新的基准。

Logan Kilpatrick: 我完全认同。好比早期的 HLE 基准测试，所有模子的准确率都只有 1% 到 2%，而现在 DeepMind 的最新模子已经能抵达 40% 左右，这太惊人了。ArcGIS 基准测试最初也险些没有模子能应对，现在准确率也凌驾了 40%。

不过有些静态基准测试确实经受住了时间的磨练，好比 GPQA Diamond，虽然我们现在只能一点点提升 1% 左右的准确率，但它依然被普遍使用，可能已经靠近饱和了。

Koray Kavukcuoglu: 这些基准测试中确实有许多灾题，我们现在还无法完全攻克，但它们依然具有测试价值。以 GPQA 为例，我们没须要追求 90% 以上的极致准确率，现在已经靠近目的了，以是尚未解决的问题数目自然在镌汰。

因此，寻找新前沿、制订新基准至关主要�；疾馐允侨ê馇敖囊恢址椒�，但并非绝对对齐。理想情形下两者完全一致，但现实中永远无法完全契合。

对我来说，权衡前进最主要的标准是：我们的模子是否在现实天下中被普遍使用？科学家、学生、状师、工程师是否在用它解决问题？人们是否用它举行写作、收发邮件等？无论简朴照旧重大，能在更多领域、更多场景中一连为用户创立更大价值，这才是真正的前进。而基准测试只是资助我们量化这种前进的工具。

Logan Kilpatrick: 我有一个不算争议性的问题：Gemini 3 在众多基准测试中体现精彩，同步上岸 Google 所有产品端和相助同伴生态，用户反响也非�Ｆ鹁�。若是展望下一次 Google 重大模子宣布，你以为尚有哪些方面是我们需要刷新的？好比「我们希望能在 X、Y、Z 方面做得更好」，照旧说我们应该先享受 Gemini 3 带来的效果？

Koray Kavukcuoglu: 我以为两者可以兼顾。我们应该享受当下，事实宣布日值得庆祝，团队也应该为自己的成绩感应自豪。但与此同时，我们也清晰地看到，模子在各个领域都保存缺乏：写作能力并不完善，编码能力也有提升空间。

尤其是在智能体行动和编码方面，尚有很大的前进空间，这也是最令人兴奋的增添领域。我们需要找出可以优化的偏向，然后一连刷新。我以为我们已经取得了长足的前进：关于 90% 到 95% 的编码相关用户（无论是软件工程师，照旧想构建产品的创意人士）来说，Gemini 3 可能是现在最好用的工具，但确实尚有一些场景需要进一步优化。

从「有创意」变得「能落地」

Logan Kilpatrick: 你怎样看待「逐步优化」？好比从Gemini 2.5 到 3.0，或者其他版本迭代中，我们的优化重点是什么？现在基准测试数目繁多，我们怎样选择优化偏向，无论是针对整个 Gemini 系列，照旧专门针对 Pro 版本？

Koray Kavukcuoglu: 我以为有几个要害领域至关主要。首先是指令遵照能力。模子需要准确明确用户需求并执行，而不是随意输出谜底，这是我们一直重视的偏向。其次是国际化。 Google 的营业遍布全球，我们希望让全天下的用户都能用上这款模子。

Logan Kilpatrick: 确实，我今天早上还和 Tulsi 聊过，她提到这款模子在一些我们已往体现不佳的语言上，体现得很是精彩。

Koray Kavukcuoglu: 这真的很棒。以是我们必需一连聚焦这些领域，它们可能不是知识前沿，但对用户交互至关主要。正如我之前所说，我们需要从用户那里获取反响信号。

再说到更手艺化的领域，函数挪用、工具挪用、智能体行动和代码能力也极为要害。

函数挪用和工具挪用能极大提升模子的智能乘数效应：模子不但能自然使用我们已有的工具和函数，还能自主编写工具。实质上，模子自己也是一种工具。

代码能力之以是主要，不但由于我们团队中有许多工程师，更由于代码是数字天下的基础。无论是软件开发，照旧将任何想法变为现实，代码都不可或缺。它能让模子与人们生涯中的诸多场景深度融合。

我举个例子，好比「即时编码」（vibe coding），我很看好这个功效。许多人富有创立力，但缺乏将想法落地的能力，而即时编码能让他们从「有创意」变得「能落地」：只需写下想法，就能看到对应的应用程序泛起在眼前，并且大大都时间都能正常运行。

这种从创意到产品的闭环很是棒，它让更多人有时机成为创立者。

Logan Kilpatrick: 太赞了！这简直是 AI Studio 的完善宣传点，我们会把这段剪辑出来宣布到网上。你适才提到的一个主要话题是，在 Gemini 3 宣布之际，我们同步推出了 Google Anti-gravity 平台。从模子角度来看，你以为这种产品架构对提升模子质量的主要性有多大？显然，这和工具挪用、编码能力息息相关。

Koray Kavukcuoglu: 对我来说，这至关主要。平台自己确实令人兴奋，但从模子角度看，这是双向作用的。首先，模子能通过与终端用户（指软件工程师）直接集成，获取他们的反响，进而明确模子需要刷新的偏向，这对我们来说至关主要。

就像 Gemini、AI Studio 一样，Anti-gravity 平台也是云云。这些产品能让我们与用户细密相连，获取真实的反响信号，这是重大的财产。Anti-gravity 平台作为我们的要害宣布相助同伴，虽然加入时间不长，但在已往两三周的宣布准备中，它的反响起到了决议性作用。

搜索 AI 模式（AI Mode）也是云云，我们从那里获得了大宗反响�；疾馐阅茏手颐峭贫蒲А⑹У攘煊虻闹悄芴嵘�，但相识现实天下的使用场景同样主要，模子必需能解决现实问题。

Gemini 3，一款全 Google 团队协作的模子

Logan Kilpatrick: 在你担当新任首席 AI 架构师后，你的职责不但是确保我们拥有优异的模子，还要推动产品团队将模子落地，在 Google 的所有产品中打造精彩的用户体验。 Gemini 3 在宣布当天就同步上岸 Google 所有产品端，这对用户来说是重大的惊喜，也希望未来能笼罩更多产品。从DeepMind 的角度来看，这种跨团队协作是否增添了特另外重大性？事实一年半前，事情可能还简朴得多。

Koray Kavukcuoglu: 但我们的目的是构建智能，对吧？许多人问我，身兼 CTO 和首席 AI 架构师两个职位，会不会有冲突，但对我来说，这两个角色实质上是一致的。

要构建智能，就必需通过产品与用户的联动来实现。我的焦点目的是确保 Google 的所有产品都能用上最先进的手艺。我们不是产品团队，而是手艺开发者，我们认真研发模子和手艺，虽然，我们也会对产品有自己的看法，但最主要的是，以最佳方法提供手艺支持，与产品团队相助，在 AI 时代打造最优异的产品。

这是一个全新的时代，新手艺正在重新界说用户期望、产品行为和信息转达方法。因此，我希望能在 Google 内部推动这种手艺赋能，与所有产品团队相助。这不但对产品和用户有益，对我们自身也至关主要。

只有贴近用户，才华感受到他们的需求，获取真实的反响信号，这是推动模子迭代的焦点动力。这就是我们构建通用人工智能（AGI）的方法：通过产品与用户配合生长。

Logan Kilpatrick: 我完全认同。这简直可以作为你的推特文案了！我也以为，我们实质上是在与客户、相助同伴配合构建通用人工智能（AGI）——这不是某个实验室的伶仃研究，而是与全天下配合推进的联合事业。

Koray Kavukcuoglu: 我以为这也是一个「可信测试系统」——我们越来越强调工程头脑。这种头脑很主要，由于全心设计的系统才会更稳健、更清静。

我们在构建现实天下的产品时，借鉴了许多「可信测试」的理念，这体现在我们对清静、隐私的重视上：我们从一最先就将清静隐私作为焦点原则，而不是事后增补。

无论是预训练、微调，照旧数据筛选，团队中的每小我私家都需要思量清静问题。我们虽然有专门的清静团队和隐私团队，他们会提供相关手艺支持，但我们更希望 Gemini 团队的每小我私家都深度加入其中，将清静隐私融入开发的每一个环节，这些团队自己也是微调团队的一部分。

因此，在模子迭代、宣布候选版本时，我们不但会参考 GPQA、HLE 等基准测试效果，还会严酷审查清静隐私指标。这种工程头脑至关主要。

Logan Kilpatrick: 我完全赞成。这也很切合 Google 的企业文化，事实，宣布 Gemini 模子是一项需要全球团队协作的重大工程。

Koray Kavukcuoglu: 说到 Gemini 3，我以为最值得一提的是，它是一款「全 Google 团队协作的模子」。

Logan Kilpatrick: 我们可以看看相关数据，这可能是史上加入人数最多的项目之一，就像 NASA 的阿波罗计齐整样，这是一项全球性的重大工程。

Koray Kavukcuoglu: 没错，是全球性的。

Logan Kilpatrick: Google 所有团队都加入其中，这太难以想象了。

Koray Kavukcuoglu: 来自欧洲、亚洲等天下各地的团队都做出了孝顺，不但有 DeepMind 团队，尚有 Google 各个部分的团队。这是一项重大的整体起劲：我们与 AI 模式（AI Mode）、Gemini 应用程序同步宣布，这禁止易。

这些产品团队在模子开发阶段就与我们深度协作，这也是为什么我们能在宣布当天实现全平台同步上线。所谓「全 Google 加入」，不但指直接加入模子构建的团队，还包括所有各司其职、默默支付的团队。

Nano Banana，自觉的名字，自然地融合

Logan Kilpatrick: 另一个我体贴的话题是天生式媒体模子——虽然我们一直有关注，但已往并未作为重点。不过，随着 Veo 3、Veo 3.1、Nano Banana 模子的推出，我们在产品落地方面取得了很大乐成。

我很好奇，在追求通用人工智能（AGI）的历程中，你怎样看待天生式视频模子的作用？有时间我会以为视频模子似乎与 AGI 无关，但仔细想想，它涉及对天下、物理纪律的明确，以是两者应该是相互关联的。

Koray Kavukcuoglu: 10 到 15 年前，天生式模子主要集中在图像领域，由于其时我们能更好地视察图像天生的历程，并且明确天下、物理纪律也是图像天生模子的焦点目的。

Google 在天生式模子方面的探索可以追溯到 10 年前，甚至更早。我读博时，各人都在做天生式图像模子，好比像素卷积神经网络（Pixel CNNs）。厥后我们意识到，文本事域的前进速率会更快。

但现在，图像模子的主要性再次凸显。DeepMind 恒久以来在图像、视频、音频模子方面积累了深挚的手艺实力，将这些手艺与文本模子融合是顺理成章的。

我们一直强调多模态，包括输入多模态和输出多模态。随着手艺前进，文本模子和图像模子的架构、理念正在一直融合。已往，两者的架构差别很大，但现在越来越趋同。这不是我们刻意推动的，而是手艺自然演进的效果：各人都在探索更高效的计划，理念逐渐统一，最终形成了配合的生长路径。

这种融合的焦点价值在于，文本模子拥有富厚的天下知识，而图像模子从另一个视角明确天下，将两者连系，能让模子更好地明确用户的意图，创立出更令人惊喜的效果。

Logan Kilpatrick: 我尚有一个关于 Nano Banana 的问题：你以为我们应该给所有模子起一些有趣的名字吗？这会不会有资助？

Koray Kavukcuoglu: 纷歧定。我以为名字应该自然爆发，而不是刻意为之。好比 Gemini 3，我们并没有刻意设计名字。

Logan Kilpatrick: 若是 Gemini 3 不叫这个名字，你会起什么？会不会是很搞笑的名字？

Koray Kavukcuoglu: 我不知道，我不善于起名字。着实我们的 Gemini 模子有内部代号，有些代号甚至是用 Gemini 模子自己天生的，但 Nano Banana 不是，它没有经由模子天生。

这个名字背后有个故事，我记得已经果真了。我以为只要名字是自然、自觉爆发的，就很好。构建模子的团队能对名字爆发情绪共识，这很有意义。

「Nano Banana」这个名字之以是被沿用，是由于我们在测试时用了这个代号，各人都很喜欢，它是自觉撒播开来的。我以为这种自然形成的名字很难通过流程刻意创立，有就用，没有的话，用标准名称也很好。

Logan Kilpatrick: 那我们来聊聊 Nano Banana Pro，这是基于 Gemini 3 Pro 打造的最先进的图像天生模子。我听说团队在完成 Nano Banana 后，发明将其升级为 Pro 版本后，在文本渲染、天下知识明确等更细腻的场景中，性能有了很大提升。关于这方面的生长，你有什么看法？

Koray Kavukcuoglu: 这正是差别手艺融合的体现。我们一直说，每个版本的 Gemini 都是一个模子家族，好比 Pro、Flash 等，差别尺寸的模子在速率、准确率、本钱等方面各有取舍。图像天生模子也是云云，自然会形成差别定位的产品。

团队基于 Gemini 3.0 Pro 的架构，连系第一代模子的履历，通过扩大模子规模、优化调优方法，打造出了更强盛的图像天生模子，这很合理。它的焦点优势在于处置惩罚重大场景：好比输入大宗重大文档，模子不但能回覆相关问题，还能天生对应的信息图表，并且效果很好。这就是输入多模态与输出多模态自然融合的体现，很是棒。

Logan Kilpatrick: 是啊，这简直像邪术一样！希望各人在这段视频宣布时已经看到了相关示例，内部分享的一些案例真的太惊人了。

Koray Kavukcuoglu: 完全赞成！当你看到模子能将海量文本、重大看法，用一张清晰直观的图片泛起出来时，真的会赞叹「太厉害了」。这能直观地体现模子的能力。

Logan Kilpatrick: 并且其中尚有许多细节值得品味。我尚有一个相关问题：去年 12 月，Tulsi 曾允许我们会推出统一的 Gemini 模子检查点（checkpoint）。你适才形貌的内容，是不是意味着我们现在已经很是靠近这个目的了？

Koray Kavukcuoglu: 从历史上看，天生式模子的架构一直是统一的……

Logan Kilpatrick: 以是我猜这是我们的目的：让这些功效真正融入一个模子中，但现实中肯定有一些阻碍。你能从宏观层面诠释一下吗？

Koray Kavukcuoglu: 正如我之前所说，手艺和架构正在一直趋同，这种统一是必定趋势，但这需要验证。我们不可凭主观臆断，必需遵照科学要领：提出假设、举行测试、视察效果，有时乐成，有时失败，但这就是手艺前进的历程。

我们正在逐步靠近目的，我相信在不久的未来，我们会看到更统一的模子，但这需要大宗的立异。

这着实很难——模子的输出空间至关主要，由于它直接关系到学习信号的质量。现在，我们的学习信号主要来自代码和文本，这也是模子在这些领域体现精彩的缘故原由。

而图像天生则差别：它对证量要求极高，不但需要像素级的精准度，还需要图像看法的连贯性，也就是每个像素都要切合整体画面的逻辑。要同时做好文本和图像天生，难度很大。但我以为这绝对是可行的，只是需要找到合适的模子立异偏向。

Logan Kilpatrick: 太令人期待了！希望这也能让我们的事情更高效，好比拥有一个统一的模子检查点。

Koray Kavukcuoglu: 这很难说，但可能性很大。

一切都建设在学习之上

Logan Kilpatrick: 我再追问一个关于编码和工具使用的问题�；厥� Gemini 的生长历程：1.0 版本聚焦多模态，2.0 版本最先搭建基础设施。虽然我们的前进速率很快，但为什么在多模态领域，我们没能从一最先就在智能体工具使用方面抵达最先进水平？事实 Gemini 1.0 在多模态领域一直坚持领先。

Koray Kavukcuoglu: 我不以为这是刻意为之。说真话，我以为这与模子开发情形是否贴近现实天下亲近相关，越贴近现实，就越能明确用户的真实需求。

Gemini 的生长历程，也是我们从「纯研究」转向「工程头脑」、与产品深度绑定的历程。 Google 在 AI 研究方面有着深挚的积淀，拥有众多优异的研究职员，但 Gemini 的特殊之处在于，它让我们从「写论文、做研究」转向了「通过产品和用户配合开发」。

我为我们的团队感应自满——包括我在内，大大都人四五年前还在专注于揭晓论文、开展 AI 研究，而现在，我们站在手艺前沿，通过产品和用户配合推进手艺迭代。

这种转变很是惊人：我们每 6 个月就推出一个新模子，每 1 到 1.5 个月就举行一次更新。我以为，我们正是在这个历程中逐步完善智能体工具使用能力的。

Logan Kilpatrick: 尚有一个有趣的话题：现在 DeepMind 拥有众多天下顶尖的 AI 产品，好比即时编码（vibe coding）、AI Studio、Gemini、Anti-gravity 平台等， Google 旗下也有许多前沿模子，好比 Gemini 3、Nano Banana、Veo 等。10 年甚至 15 年前，天下完全不是这样的。

我很好奇，回首你的小我私家历程，你昨天提到，你是 DeepMind 的第一位深度学习研究员，这一点我和其他人都感应很意外。从 13 年前（2012年）人们对深度学习并不看好，到现在这项手艺支持着众多产品、成为焦点驱动力，你有什么感想？这一切是在意料之中，照旧让你感应意外？

Koray Kavukcuoglu: 我以为这是最理想的效果。就像所有读博的人一样，你会坚信自己所做的事情很主要，会爆发重大影响——我其时就是这种心态。

以是当 Demi 和 Shane 联系我，告诉我 DeepMind 是一个专注于构建智能、以深度学习为焦点的团队时，我很是兴奋。我和我的朋侪 Carl Greger（我们都来自纽约大学 Jan 的实验室）同时加入了 DeepMind。在其时，专注于深度学习和 AI 的首创公司很是有数，以是 DeepMind 的理念很是有远见，能在那里事情真的很令人激动。厥后，我组建了深度学习团队，看着它一直生长壮大。

我对深度学习的态度一直是：以第一性原理为基础，坚持「基于学习」的头脑方法，这也是 DeepMind 的焦点理念：一切都建设在学习之上。

回首这段旅程，从早期的 DQN、AlphaGo、AlphaZero、AlphaFold，到现在的 Gemini，真的很令人感伤。我们一直怀着起劲的期望推进事情，但同时也以为自己很幸运。

我们有幸生涯在这个时代,许多人曾为 AI 或自己热爱的领域斗争一生，希望能见证手艺爆发，但这一切现在真的爆发了。AI 的崛起不但得益于机械学习和深度学习的前进，还离不开硬件、互联网和数据的生长，这些因素配合促成了今天的时势。以是，我既为自己选择了 AI 领域而自豪，也为能身处这个时代而感应幸运。这真的太令人兴奋了。

Logan Kilpatrick: 我最近看了《头脑游戏》（The Thinking Game）的视频，相识了 AlphaFold 的相关故事。我没有亲历谁人时代，只能通过资料和他人的讲述来相识。你履历了 DeepMind 的多个主要项目，你以为现在的事情与已往相比有什么差别？好比你之条件到的，「我们已经掌握了将模子推向天下的要领」，这种感受与之前的项目有什么相似或差别之处？

Koray Kavukcuoglu: 怎样组织团队、作育文化，才华将重大的科学手艺问题转化为乐成的效果？我以为我们从多个项目中积累了许多履历，从 DQN、AlphaGo、AlphaZero 到 AlphaFold，这些项目都爆发了深远影响。我们学会了怎样围绕特定目的和使命，组织大规模团队开展事情。

我记得 DeepMind 早期，我们曾有 25 人配合加入一个项目，配合揭晓一篇论文——其时许多人都质疑「25 人怎么可能相助完成一篇论文」，但我们确实做到了。在科研领域，这种大规模协作并不常见，但我们通过有用的组织实现了。这种履历和头脑方法，随着时间的推移一直演进，变得越来越主要。

而在已往两三年里，我们又融入了工程头脑——我们有了模子的主线开发偏向，学会了在主线基础上举行探索。

我以为「深度头脑模子」（Deep Think）就是一个很好的例子：我们用它加入国际数学奥林匹克（IMO）、国际大学生程序设计竞赛（ICPC）等顶级赛事。这些竞赛的问题难度极大，许多人会想为赛事定制专门的模子，但我们选择将其作为优化现有模子的时机。

我们坚信手艺的通用性，通过赛事探索新想法，并将这些想法融入现有模子，最终打造出能加入顶级赛事的模子，再将其开放给所有人使用。

Logan Kilpatrick: 这让我想到了一个对应：以前是 25 人配合揭晓一篇论文，现在 Gemini 3 的孝顺者名单可能已经有 2500 人了——许多人可能会以为「 2500 人怎么可能都加入其中」，但事实确实云云。这种大规模协作解决问题的方法，真的很令人赞叹。

Koray Kavukcuoglu: 这一点很是主要，也是 Google 的优势所在。 Google 拥有全栈手艺能力，我们能从中受益：从数据中心、芯片、网络，到大规模模子的安排，每个环节都有专家坐镇。

回到工程头脑的话题，这些环节是密不可分的。我们设计模子时，会思量它将运行的硬件；而设计下一代硬件时，也会预判模子的生长偏向。这种协同很是美妙，但要协调这么多环节，确实需要数千人的配合起劲。我们应该认可这种协作的价值，这真的很了不起。

Logan Kilpatrick: 这绝非易事。再回到 DeepMind 的古板：我们一直接纳多元科学要领，实验解决种种有趣的问题。而现在，我们已经明确这项手艺在多个领域都有用，只需一连扩大规模。虽然，这也需要立异支持。

你以为在当今时代，DeepMind 怎样平衡「纯科学探索」和「扩大 Gemini 规模」？好比「Gemini 扩散模子」（Gemini Diffusion），就是这种决议的一个体现。

Koray Kavukcuoglu: 这是最要害的问题：找到两者的平衡至关主要。

现在许多人问我，Gemini 最大的危害是什么？我认真思索过，谜底是「缺乏立异」。我绝不相信我们已经找到了「万能公式」，只需按部就班执行即可。

我们的目的是构建通用智能，这需要与用户、产品深度绑定，但这个目的自己依然极具挑战性，我们并没有现成的解决计划——立异才是实现目的的焦点动力。

立异可以有差别的规模和偏向：在 Gemini 项目内部，我们会探索新架构、新想法、新要领；而作为 Google DeepMind 整体，我们还会开展更多跨领域的探索，由于有些想法可能在 Gemini 项目内部过于受限，无法充分生长。

以是， Google DeepMind 和 Google 研究院需要配合探索种种想法，然后将这些想法融入 Gemini，由于 Gemini 不是一种架构，而是一个目的：构建通用智能，让 Google 的所有产品都能依托这个 AI 引擎运行。

无论最终接纳哪种架构，我们都会一连演进，而立异将永远是焦点驱动力。找到平衡，或以差别方法推进探索，这至关主要。

Logan Kilpatrick: 我有一个相关的问题：在 I/O 大会上，我曾和 Sergey 聊过，当你把这么多人群集在一起，配合宣布模子、推动立异时，你能感受到一种「人性的温度」——这一点我深有体会。我其时坐在你旁边，也感受到了你的热情。

这一点对我小我私家来说很有意义，由于它也反应了 DeepMind 的整体文化：既有深挚的科学秘闻，又有友善、容纳的团队气氛。许多人可能没有意识到这种文化的主要性，以及它怎样影响事情。作为团队的向导者，你怎样看待这种文化的体现？

Koray Kavukcuoglu: 首先，谢谢你的夸奖，这让我有点欠盛意思。但我确实相信团队的实力，也坚信要信任他人、给予他人时机。团队协作至关主要，这一点我也是在 DeepMind 事情时代学到的。

我们从一个小团队起步，在生长历程中始终坚持信任。我以为，营造一个「专注于解决有影响力的重大手艺和科学问题」的情形，很是主要，这也是我们现在正在做的。

Gemini 的焦点是构建通用智能，这是一个极具挑战性的手艺和科学问题，我们需要以谦逊的态度去面临，一直质疑自己、优化自己。希望团队也能感受到这一点，我真的为我们的团队感应自满，他们同心协力、相互支持。

就像我适才在茶水间和团队聊的那样：「这很辛勤，我们都很累，但这就是构建前沿手艺的常态。我们没有完善的流程，但每小我私家都在全力以赴、相互支持。」而让这一切变得有趣、有意义，让我们有勇气面临挑战的，很洪流平上是「拥有一支优异的团队」，各人配合为手艺的潜力而斗争。

我可以肯定地说，20 年后，我们现在使用的大语言模子（LLM）架构肯定会被镌汰。以是，一连探索新偏向是准确的选择。 Google DeepMind、 Google 研究院，以及整个学术研究社区，都需要配合推进多个领域的探索。

我以为，不必纠结于「什么是对的、什么是错的」，真正主要的是手艺在现实天下中的能力和体现。

Logan Kilpatrick: 最后一个问题：我小我私家在 Google 的第一年多时间里，感受到了一种「 Google 逆袭」的气氛。只管 Google 拥有强盛的基础设施优势，但在 AI 领域，我们似乎一直在追赶。好比在 AI Studio 的早期阶段，我们没有用户（厥后增添到3万人），没有收入，Gemini 模子也处于早期阶段。

而现在，随着 Gemini 3 的宣布，我最近收到了许多来自生态系统各方的反响，人们似乎终于意识到「 Google 的AI时代已经到来」。你是否也有过这种「逆袭」的感受？你相信我们能走到今天吗？关于团队来说，这种角色的转变会带来什么影响？

Koray Kavukcuoglu: 在大语言模子（LLM）的潜力逐渐展现时，我坦诚地说，我既以为 DeepMind 是前沿 AI 实验室，也意识到我们作为研究职员，在某些领域的投入还不敷，这对我来说是一个主要的教训：我们必需拓宽探索规模，立异至关主要，而不是局限于某一种架构。

我一直对团队坦诚相待：约莫 2.5 年前，当我们最先认真看待大语言模子、启动 Gemini 项目时，我们在许多方面都与最先进水平有差别，我们有许多不懂的工具，虽然也有自己的优势，但确实处于追赶状态。

这种追赶一连了很长时间，而现在，我以为我们已经进入了领先梯队。我对我们的生长速率、团队动态和协作节奏感应很是知足。但我们必需正视已往的追赶历程。

在追赶历程中，我们既要学习他人的优点，也要坚持自己的立异，找到适合自己的解决计划：无论是手艺、模子、流程，照旧团队运作方法，这些都是我们独吞的。

许多人说「 Google 太大了，做事效率低」，但我以为这可以转化为优势。我们有能力做一些奇异的、大规模的事情，好比让 Gemini 同步上岸所有 Google 产品。我对我们现在的状态很知足，但这是通过一连学习和立异实现的。这确实是一个很棒的「逆袭」故事。

虽然，总会有种种较量，但我们的目的始终是构建通用智能——我们希望以准确的方法实现这一目的，并为此倾注所有心力和立异。

Logan Kilpatrick: 我以为未来六个月可能会和已往六个月、以致之前的六个月一样令人振奋。再次谢谢你抽出时间接受采访，很是愉快！希望在明年 I/O 大会前我们能再聊一次。

虽然感受尚有良久，但时间肯定会过得很快。我相信下周就会有关于 2026 年 I/O 大会的妄想聚会了。再次祝贺你和 DeepMind 团队，以及所有模子研究职员，乐成推出 Gemini 3、Nano Banana Pro 等一系列产品！

Koray Kavukcuoglu: 谢谢！这次交流很是棒。谢谢团队的支付，也谢谢你的约请！